Введение
1. ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ ИЗУЧЕНИЯ ИСКУССТВЕННЫХ
НЕЙРОННЫХ СЕТЕЙ 5
1.1. Нейронные сети 5
2. ПОСТАНОВКА ЗАДАЧИ ПО СОЗДАНИЮ ПРОГРАММЫ ДЛЯ
ПРОГНОЗИРОВАНИЯ ФОНДОВОГО РЫНКА 13
2.1 Цель создания программы для прогнозирования фондового рынка 13
2.2 Выбор инструментов разработки 14
3. ОПИСАНИЕ РАБОТЫ 17
3.1 Выбор методов для реализации 17
3.2 Реализация с помощью LSTM модели 20
ЗАКЛЮЧЕНИЕ 38
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 39
Приложения 40


Купить

Искусственные нейронные сети (ИНС) являются важной частью анализа данных, так как они показали хорошие результаты в таких задачах машинного обучения как: прогнозирование, распознавание образов, классификация данных. В зависимости от входных данных применяются разные модели искусственных нейронных сетей.
Основной задачей данной работы является прогнозирование роста или падение акций, основываясь на ситуации на фондовом рынке. Умение хорошо прогнозировать цены на акции было и остается одной из сложных задач для многих исследователей и аналитиков, так как это зависит от нескольких известных и неизвестных факторов. Инвесторы заинтересованы в успешных и хороших инвестициях и поэтому стремятся узнать будущую ситуацию на фондовом рынке. В наше время в период бурного развития компьютерных технологий появляются много новых методов для прогнозирования фондового рынка.
Одним из хороших и эффективных методов являются прогнозирование с помощью нейронных сетей. В данной работе представлена способность нейронных сетей прогнозировать цены на фондовом рынке. В качестве модели нейронной сети была выбрана периодическая или рекуррентная нейронная сеть (англ. Recurrent neural network; RNN) и ее разновидность архитектуры долгая краткосрочная память (англ. Long short-term memory; LSTM) для прогнозирования индексов фондового рынка.
Новизной работы является нахождение наиболее оптимальных параметров, пригодных для прогнозирования акций, путем их тестирования и подбора.
Цель магистерской диссертации - спрогнозировать фондовый рынок с помощью нейронных сетей.
Объект исследования: фондовый рынок.
Предмет исследования: искусственные нейронные сети и их использование для прогнозирования фондового рынка.
Для достижения поставленной цели в работе сформулированы и решены следующие задачи:
1. Анализ работы нейронных сетей.
2. Анализ существующих методов обучения искусственных нейронных сетей.
3. Нахождение обучающих и тестовых выборок в качестве входных данных для нейронной сети.
4. Исследование различных архитектур ИНС.

Купить